/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Архитектура
xlm-roberta · dense
Опубликована
2 мар 2022

xlm-roberta-base-wikiann-ner

Разметка токеновТекст → label7 профессий

Многоязычная модель Davlan для извлечения имён людей, организаций и географических объектов из текста.

4 772скачиваний за 30 дней7лайковвеса обновлены25 июн 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Davlan/xlm-roberta-base-wikiann-ner — многоязычная модель распознавания именованных сущностей, разработанная Davlan на основе XLM-RoBERTa и дообученная на датасете WikiANN. Модель содержит 305,2 млн параметров, принимает текст и классифицирует токены с контекстом до 514 токенов.

Она предназначена для извлечения из текста имён людей (PER), организаций (ORG) и географических объектов (LOC) на 20 языках. Подходит, например, для разметки новостных статей и извлечения сущностей из многоязычных текстовых коллекций.

Качество зависит от сходства текста с новостными данными WikiANN: результаты могут хуже переноситься на другие предметные области. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение имён людей из новостных статей
  • поиск организаций в многоязычных текстах
  • извлечение географических названий из публикаций
  • разметка сущностей в корпусах на поддерживаемых языках

Ограничения

Модель обучена на размеченных новостных текстах WikiANN и может хуже работать в других жанрах и предметных областях. Она распознаёт только сущности типов PER, ORG и LOC.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Hugging Face's logo

language:

  • ar
  • as
  • bn
  • ca
  • en
  • es
  • eu
  • fr
  • gu
  • hi
  • id
  • ig
  • mr
  • pa
  • pt
  • sw
  • ur
  • vi
  • yo
  • zh
  • multilingual

datasets:

  • wikiann

xlm-roberta-base-wikiann-ner

Model description

xlm-roberta-base-wikiann-ner is the first Named Entity Recognition model for 20 languages (Arabic, Assamese, Bengali, Catalan, English, Spanish, Basque, French, Gujarati, Hindi, Indonesia, Igbo, Marathi, Punjabi, Portugues and Swahili, Urdu, Vietnamese, Yoruba, Chinese) based on a fine-tuned XLM-RoBERTa large model. It achieves the state-of-the-art performance for the NER task. It has been trained to recognize three types of entities: location (LOC), organizations (ORG), and person (PER). Specifically, this model is a xlm-roberta-large model that was fine-tuned on an aggregation of languages datasets obtained from WikiANN dataset.

Intended uses & limitations

How to use

You can use this model with Transformers pipeline for NER.

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline
tokenizer = AutoTokenizer.from_pretrained("xlm-roberta-base-wikiann-ner")
model = AutoModelForTokenClassification.from_pretrained("xlm-roberta-base-wikiann-ner")
nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "Ìbọn ń ró kù kù gẹ́gẹ́ bí ọwọ́ ọ̀pọ̀ aráàlù ṣe tẹ ìbọn ní Kyiv láti dojú kọ Russia"
ner_results = nlp(example)
print(ner_results)

Limitations and bias

This model is limited by its training dataset of entity-annotated news articles from a specific span of time. This may not generalize well for all use cases in different domains.

Training data

This model was fine-tuned on 20 NER datasets (Arabic, Assamese, Bengali, Catalan, English, Spanish, Basque, French, Gujarati, Hindi, Indonesia, Igbo, Marathi, Punjabi, Portugues and Swahili, Urdu, Vietnamese, Yoruba, Chinese)wikiann.

The training dataset distinguishes between the beginning and continuation of an entity so that if there are back-to-back entities of the same type, the model can output where the second entity begins. As in the dataset, each token will be classified as one of the following classes:

AbbreviationDescription
OOutside of a named entity
B-PERBeginning of a person’s name right after another person’s name
I-PERPerson’s name
B-ORGBeginning of an organisation right after another organisation
I-ORGOrganisation
B-LOCBeginning of a location right after another location
I-LOCLocation

BibTeX entry and citation info

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForTokenClassification
Ревизия весов
642b9a1

0 моделей